Лабораторная работа № 1 ML¶

Боровских Вадим, 932003¶

Аренда велосипедов day.csv¶

In [28]:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px

Загрузка датасета¶

In [29]:
df = pd.read_csv("day.csv", index_col = 0)
df=df.reset_index() 
df
Out[29]:
instant dteday season yr mnth holiday weekday workingday weathersit temp atemp hum windspeed casual registered cnt
0 1 2011-01-01 1 0 1 0 6 0 2 0.344167 0.363625 0.805833 0.160446 331 654 985
1 2 2011-01-02 1 0 1 0 0 0 2 0.363478 0.353739 0.696087 0.248539 131 670 801
2 3 2011-01-03 1 0 1 0 1 1 1 0.196364 0.189405 0.437273 0.248309 120 1229 1349
3 4 2011-01-04 1 0 1 0 2 1 1 0.200000 0.212122 0.590435 0.160296 108 1454 1562
4 5 2011-01-05 1 0 1 0 3 1 1 0.226957 0.229270 0.436957 0.186900 82 1518 1600
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
726 727 2012-12-27 1 1 12 0 4 1 2 0.254167 0.226642 0.652917 0.350133 247 1867 2114
727 728 2012-12-28 1 1 12 0 5 1 2 0.253333 0.255046 0.590000 0.155471 644 2451 3095
728 729 2012-12-29 1 1 12 0 6 0 2 0.253333 0.242400 0.752917 0.124383 159 1182 1341
729 730 2012-12-30 1 1 12 0 0 0 1 0.255833 0.231700 0.483333 0.350754 364 1432 1796
730 731 2012-12-31 1 1 12 0 1 1 2 0.215833 0.223487 0.577500 0.154846 439 2290 2729

731 rows × 16 columns

In [30]:
df.columns
Out[30]:
Index(['instant', 'dteday', 'season', 'yr', 'mnth', 'holiday', 'weekday',
       'workingday', 'weathersit', 'temp', 'atemp', 'hum', 'windspeed',
       'casual', 'registered', 'cnt'],
      dtype='object')
In [31]:
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 731 entries, 0 to 730
Data columns (total 16 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   instant     731 non-null    int64  
 1   dteday      731 non-null    object 
 2   season      731 non-null    int64  
 3   yr          731 non-null    int64  
 4   mnth        731 non-null    int64  
 5   holiday     731 non-null    int64  
 6   weekday     731 non-null    int64  
 7   workingday  731 non-null    int64  
 8   weathersit  731 non-null    int64  
 9   temp        731 non-null    float64
 10  atemp       731 non-null    float64
 11  hum         731 non-null    float64
 12  windspeed   731 non-null    float64
 13  casual      731 non-null    int64  
 14  registered  731 non-null    int64  
 15  cnt         731 non-null    int64  
dtypes: float64(4), int64(11), object(1)
memory usage: 91.5+ KB

Число пропущенных значений в каждом атрибуте¶

In [32]:
missing_values = df.isnull().sum()
print("Число пропущенных значений по атрибутам:")
print(missing_values)

Число пропущенных значений по атрибутам:
instant       0
dteday        0
season        0
yr            0
mnth          0
holiday       0
weekday       0
workingday    0
weathersit    0
temp          0
atemp         0
hum           0
windspeed     0
casual        0
registered    0
cnt           0
dtype: int64

Пропущенных значений нет, поэтому нам не придется преобразовывать данные.

Описание набора данных¶

Bike Sharing Dataset

Этот датасет содержит информацию о прокате велосипедов. Данные охватывают информацию о количестве прокатов в зависимости от различных факторов, таких как дата, время, погодные условия и т.д.

Атрибуты:

  • instant: Идентификатор записи
  • dteday: Дата проката
  • season: Сезон (1: весна, 2: лето, 3: осень, 4: зима)
  • yr: Год (0: 2011, 1: 2012)
  • mnth: Месяц (1 - 12)
  • holiday: Является ли день праздничным (0: нет, 1: да)
  • weekday: День недели (0 - 6)
  • workingday: Является ли рабочим днем (0: нет, 1: да)
  • weathersit: Погодные условия (1: чисто, 2: туман, 3: небольшой дождь/снег, 4: сильный дождь/снег)
  • temp: Температура в Цельсиях
  • atemp: Ощущаемая температура в Цельсиях
  • hum: Влажность
  • windspeed: Скорость ветра
  • casual: Количество прокатов вне системы регистрации пользователей (нерегулярные пользователи)
  • registered: Количество прокатов через систему регистрации пользователей (зарегистрированные пользователи)
  • cnt: Общее количество прокатов (casual + registered)

Построение pairplot для набора данных¶

In [33]:
sns.pairplot(df)
plt.show()

Выбор нескольких признаков с распределением значений и визуализация распределения¶

In [53]:
selected_features = ['temp', 'hum', 'windspeed']
for feature in selected_features:
  
    sns.histplot(df[feature], kde=True)
    plt.title(f"Distribution of {feature}")
    plt.show()

    sns.kdeplot(df[feature])
    plt.title(f"Kernel Density Estimation of {feature}")
    plt.show()

    sns.jointplot(data=df, x=feature, y="cnt", kind="scatter")
    plt.show()

Выбор части признаков и отображение корреляции между ними в виде тепловой карты¶

In [60]:
selected_attributes = ['temp', 'atemp', 'hum', 'windspeed', 'cnt','season','mnth']
correlation_matrix = df[selected_attributes].corr()
sns.heatmap(correlation_matrix, annot=True, cmap="coolwarm")
plt.title("Correlation Heatmap")
plt.show()

Выбор трех признаков, целевой переменной и отображение графиков размаха¶

In [36]:
selected_features_boxplot = ['temp', 'hum', 'windspeed']
target_variable = 'weathersit'
for feature in selected_features_boxplot:
    sns.boxplot(data=df, x=target_variable, y=feature)
    plt.title(f"Boxplot: {feature} by {target_variable}")
    plt.show()

Визуализация статистик для разных атрибутов¶

Violinplot¶

In [37]:
sns.violinplot(data=df, x="season", y="cnt")
plt.title("Violinplot: season by cnt")
plt.show()

Stripplot¶

In [38]:
sns.stripplot(data=df, x="season", y="cnt")
plt.title("Stripplot: season by cnt")
plt.show()
In [74]:
sns.stripplot(data=df, x="weathersit", y="cnt")
plt.title("Stripplot: weathersit by cnt")
plt.show()

Swarmplot¶

In [39]:
sns.swarmplot(data=df, x="season", y="cnt")
plt.title("Swarmplot: season by cnt")
plt.show()
In [75]:
sns.swarmplot(data=df, x="season", y="windspeed")
plt.title("Swarmplot: season by windspeed")
plt.show()

D:\Anaconda\lib\site-packages\seaborn\categorical.py:3544: UserWarning: 7.4% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)

Pie chart¶

In [40]:
counts = df['season'].value_counts()
labels = counts.index
plt.pie(counts, labels=labels, autopct='%1.1f%%')
plt.title("Pie chart: season")
plt.show()
In [54]:
counts = df['weathersit'].value_counts()
labels = counts.index
plt.pie(counts, labels=labels, autopct='%1.1f%%')
plt.title("Pie chart: weathersit")
plt.show()

Выводы:¶

Проведя исследовательский анализ данных о прокате велосипедов, можно выделить следующие интересные зависимости:

Температура (temp) имеет положительную корреляцию с общим количеством прокатов (cnt). При повышении температуры в диапазоне 0.3-0.7 увеличивается количество арендованных велосипедов. Но если слишко жарко от 0.8 или холодно 0 -0.2, то они сужественно снижаются.

Зависимость между влажностью (hum) и общим количеством прокатов (cnt), когда влажность средняя 0.4 - 0.8 наблюдается наибольшее количество прокатов. Но когда слишком сухо или влажно, наблюдается сущесственное падение прокатов.Можно сделать вывод, что средня влажность наиболее оптимальна для аренды велосипедов.

Наблюдается, что при низкой и средней скорости ветра 0-0.3 (windspeed) происходит большинство прокатов велосипедов. Наблюдаются сезонные особенности в аренде велосипедов: летние месяцы имеют наибольшее количество прокатов, а весной наименьшое.

Также, наблюдается некоторое влияние погодных условий (weathersit) на аренду велосипедов. В чистую погоду и туманность наблюдается большинство прокатов, но приналичии небольшого и сильного количества осадков, прокатов нет, это может быть связанно с небольшой выборкой.

In [ ]: